DeepSeek要涨价，小扎立马“拼命”：Meta新模型打出更低“骨折价”，只要一点数据税

整理｜华卫 刚刚，Meta推出其首款编程智能体Muse Code，同时发布了针对编程优化的前沿模型Muse Spark 1.2。这可能是该公司迄今为止对AI编程工具市场最认真的一次进军。 Meta首席执行官马克·扎克伯格在社交平台X上亲自宣布了这一消息，称目前提供测试版的 Muse Code 能够“在大型代码库中执行完整的软件工程任务”，以此向领先的AI实验室Anthropic和OpenAI发起挑战。 Muse Code出自Meta AI负责人Alexandr Wang之手，他领导Meta超级智能实验室并统管基础模型研发。Wang于去年6月加入Meta，是扎克伯格为重振公司陷入困境的AI战略而进行的核心人事布局。 据介绍，这款基于终端的新编程工具由Muse Spark 1.2提供支持，在“代码生成、复杂调试、代码库理解以及端到端开发者工作流”方面有所改进。 为编程而生，仍逊于Claude Code “在测试中，我们让它同时为一个游戏构建了六个功能，且没有发生冲突。”扎克伯格在帖子中表示，强调其并行处理能力不会干扰开发者的工作副本。 据了解，Muse Code的核心架构亮点是Meta所称的异步后台智能体。与大多数竞品工具为每个任务临时生成辅助智能体的模式不同，Muse Code会在整个会话期间保持一组专门的后台智能体持续存活。这些智能体“在整个会话期间保持活动状态，而不是为单个任务临时生成，从而避免冗余的信息收集”，它们自行执行后续步骤，并自主选择何时向主智能体汇报。 这一架构带来的实际效果是，更低的延迟和更少的监督：一个已经了解代码库的智能体无需在每次开发者提出新需求时重新探索代码库。当任务规模足够大时，Muse Code会分发到独立的子智能体进行并行处理，每个子智能体都在自己隔离的git工作树中，因此开发者的工作副本永远不会被触及。 第二个值得注意的设计选择，是可审计性。如果Muse Code在长时间运行的任务进行20小时后崩溃，它会从停止的地方精确恢复，不会丢失工作，也无需重新提示。每个模型调用、工具运行、审批和编辑在执行前都会被追加到本地事件日志中，Meta称这一单一事实来源使运行时具有“可精确重放和重启安全”的特性。 值得一提的是，最新的Muse Spark模型是与Muse Code一同开发和训练的，这提升了整体的编程性能。 Meta发布了基准测试图表，将Muse Spark 1.2与其他编程模型进行了比较。在Terminal-Bench 2.1上，在Muse Code中运行的Muse Spark 1.2得分82.9%，略高于OpenAI的GPT-5.6 Terra（在Codex中为81.8%）和xAI的Grok 4.5（在Grok Build中为81.6%），但落后于Anthropic的Opus 5在Claude Code中的最高努力成绩，后者以86.7%领先。在DeepSWE 1.1上，Muse Spark 1.2取得了59.3%，排名第三，落后于Opus 5（65.0%）和GPT-5.6 Terra（64.8%）。 最引人注目的是Meta自己的内部编程基准，Muse Spark 1.2的70.6%轻松击败了GPT-5.6 Terra（65.4%）和Gemini 3.6 Flash（63.9%），但仍落后于Opus 5的79.4%近9个百分点。即使在Meta自己设计的测试中，Anthropic的模型也获胜。事实上，Claude在所有三个图表中都位居榜首。 不过，代际提升是实实在在的：Muse Spark 1.2在Terminal-Bench上比1.1提高了6.7个百分点，在DeepSWE上提高了6.3个百分点。 Meta还展示了一个令人印象深刻的长周期案例：让Muse Spark 1.2在NVIDIA Hopper硬件上运行长达24小时、超千次工具调用，进行GPU内核优化。智能体在Triton中工作且不能封装现有第三方库，最终在KDA和MLA内核上取得了“实质性改进”，包括非直观的优化如重新中心化门控累积衰减。扎克伯格称，“它在初始探索阶段之后仍在持续发现实质性改进”。 定价取胜？用数据换折扣 价格亲民似乎是Meta希望将Muse Code与Anthropic和OpenAI的热门产品，形成差异化的关键方式。为此，Meta给其模型API提供了两个层级。 首先是标准层级，该工具默认采用与Muse Spark相同的按量付费定价，每百万输入token 1.25美元，每百万输出token 4.25美元。这一价格低于Anthropic的Sonnet 5模型，后者通常每百万输入token收费3美元，每百万输出token收费15美元。Meta承诺，该层级的提示词和生成内容不会用于训练，速率限制为每分钟每团队3000次请求和400万token。 Wang表示，该智能体还“设有一个贡献者层级，可以以明显更低的成本接入”，“甚至比按量付费层级还要便宜10倍以上”。该层级价格为每百万输入token 0.10美元，每百万输出token 0.20美元。 值得注意的是，这个价格比DeepSeek-V4-Flash都更便宜了。该模型在未命中输入缓存时价格为1元/百万tokens，输入命中缓存价格为0.2元/百万tokens，输出价格为2元/百万tokens。而且，DeepSeek刚刚还发布公告宣布：“计划近期整体上调API服务定价，预计涨幅较大。” 作为交换，开发者必须“选择加入以帮助改进模型”，这指的是Meta利用第三方数据来增强底层技术。而且，这一层级速率限制严格得多（每分钟60次请求），明显面向个人和小型实验。 Meta在博文中强调，零数据保留选项已向企业开放，这意味着公司不会保留开发者数据来改进模型，但需额外付费。他表示，这代表了“一项对企业客户很重要的重大企业级功能”。 上周，公司发布了令人失望的财报，营收预测疲软且自由现金流萎缩，导致股价大跌。Meta 98%的收入来自在线广告，这是一个它通过基于用户数据定向投放消费者而占据主导地位的市场。这款新的编程智能体是扎克伯格谋求从AI中创收的又一途径，与此同时他的公司仍在持续大力投资数据中心和相关计算基础设施。 开源战略彻底转向？小扎留下悬念 较Meta而言，这次的发布中最显著的缺失是对“开源”的提及。 在X上回应开发者提问时，扎克伯格表示，“我很快会有更多消息分享”，似乎在暗示未来可能仍有开源计划。 三年来，Meta凭借Llama系列将自己塑造成开放AI的旗手：从2023年2月LLaMA泄露掀起消费级AI热潮，到Llama 2的商业许可，再到4050亿参数的Llama 3.1及扎克伯格的“开源AI是前进之路”宣言，Meta一直向开发者承诺前沿权重应免费下载、自托管和微调。这一策略成效显著——到2026年初Llama家族下载约12亿次，日均百万，自托管为企业节省高达88%的成本。 裂痕从Llama 4开始。2025年4月推出的Llama 4评价平平，最终承认基准结果存在虚报，而DeepSeek、阿里巴巴、智谱AI等中国开源模型迅速崛起，到2025年底已占Hugging Face下载量的约41%，侵蚀了Llama的领导地位。这一挫折促使扎克伯格在2025